文献

J-GLOBAL ID：201702221859819997   整理番号：17A1608148

スマートファクトリを目指して 第8回 機械学習と深層学習(その2)

著者 (1件)： 和田哲也 (ProActs LLC)
資料名： 計装  (Instrumentation Control Engineering)
巻： 60  号： 12  ページ： 77-81  発行年： 2017年12月01日 
JST資料番号： F0485A  ISSN： 0368-5780  CODEN： KISOBT  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本記事はプロセス産業への機械学習や深層学習を実装する上での連載解説である。今回はクラスタリング,部分最小二乗法(PLS)計算,プラントの時系列データについて説明した。プロセスの時系列データはほとんどのケースで明確な正解値はなく,したがって教師なし学習のクラスタリングが有効である。次にソフトセンサで使われるPLS計算では,時系列データの前処理としてクラスタリングを適用することでPLS計算の線形性確保が可能になる。また,時系列データの学習・解析・モデリングには再帰型ニューラルネットワークとLSTMの組み合わせが適している。このような開発環境構築は無償で行えること,またpython言語の活用を推奨した。

シソーラス用語： *工場 ,  *機械学習 ,  データ ,  クラスタ化 ,  部分最小二乗法 ,  センサ ,  ニューラルネットワーク ,  オブジェクト指向言語
準シソーラス用語： LSTMネットワーク ,  Python言語 ,  *スマートファクトリー ,  ソフトセンサ ,  データクラスタリング ,  再帰型ニューラルネットワーク ,  時系列データ ,  *深層学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ファクトリ ,  機械学習 ,  深層学習